【86】循环融资：每个人都算对了，合起来却算不过来

来源：市场资讯

（来源：可遥笔记）

【第 86 篇 · 深度分析】

本篇是《价值投资九十年》合集的第 86 篇，深度分析系列。

合集用 AI 系统整理了 45 位投资人、1,000+ 份一手文档、49,010 条洞见，汇成 229 篇独立长文、约 100 万字——从格雷厄姆 1934 年的《证券分析》一路梳理到柏基 2025 年的反思，涵盖 40 篇深度分析、104 篇核心概念、45 篇大师人物志、39 篇投资案例研究。

项目缘起与全貌见开篇万字长文《我用AI整理了价值投资90年的思想史》【1】我用AI整理了价值投资90年的思想史。

这个周一收盘，全球市值第一重新回到苹果头上——不是因为苹果做对了什么，是因为英伟达那天跌了 4.99%。

那天真正值得坐直身子看的不是股价。同一天，英伟达五年期信用违约互换（CDS）盘中涨了约 14 个基点，到每年约 82 个基点：为一千万美元的英伟达债务买五年违约保护，一年要交八万二千美元。这是这个合约去年 11 月开始活跃交易以来最大的单日跳涨。市场那天重新定价的，不是英伟达能赚多少，是它可能还不上多少。

法国兴业银行美股策略主管 Manish Kabra 那天撂下一句很短的话：对超大规模算力企业，现在要看 CDS，不要看 EPS。

听着像个新说法。其实九十二年前，它就写在一本书的第一页附近了。

先把话说到底。把整条 AI 建设——英伟达、云厂商、模型公司——当成一家公司来记账，这几年投进去约 1.28 万亿美元，而它一年真正从外部收到的 AI 收入，约 1200 亿。每个玩家盯着自己那台机器，都算得过来；可合并起来，账暂时算不过来。这道缺口，才是这轮最该被追问的东西。

七千五百亿的承诺

导火索是三笔还没签字的交易。

据《华尔街日报》7 月 27 日报道，英伟达正在与 OpenAI 谈判，为其提供约 2500 亿美元的融资担保。标的是软银子公司 SB Energy 在俄亥俄州开发的一个 10 吉瓦项目，选址是一处退役的铀浓缩设施。含芯片在内，全成本可能超过 5000 亿美元。担保只覆盖租赁和建设融资，芯片是另一笔可能达 3500 亿美元的融资，也在谈。7 月 25 日，英伟达又与 SK 集团签下 5000 亿美元以上的合作意向书。

三笔加起来超过 7500 亿美元。都还没签字。

报道里有一句很容易被读过去的话：之所以需要英伟达背书，是因为 OpenAI 至今没有盈利，拿不到投资级评级。

这一句才是全部事情的核心。这笔担保存在的唯一理由，是债券市场不肯按投资级的价格借钱给 OpenAI。

黄仁勋说得对，也说得不对

黄仁勋对"循环融资"这个说法一直很反感。今年 1 月谈到英伟达投资 CoreWeave 时，他说这只是客户最终需要筹集资金中的很小一部分，认为这是循环融资的说法"简直荒谬"。

从会计上看，他站得住。英伟达自己披露的战略投资，三季度约 37 亿美元、年初至今约 47 亿，相对于两千多亿的收入确实是小数。

但担保不是投资。

股权投资要掏现金，占用资产负债表。担保不掏现金、不进损益表，只在附注里以或有负债存在，一直到客户违约的那一天全额生效。市场这周重新定价的，不是英伟达的收入，是它的表外承诺。

这里有一处对照值得摆出来。2025 年 11 月，英伟达曾向华尔街分析师发过一份七页备忘录，逐条反驳"循环融资"的指控。备忘录里写得很明确：公司不使用 SPV，不做 vendor financing，只有一笔已披露的担保，公允价值不重大。

八个月后，它在谈一笔 2500 亿美元的担保。

公司的自辩是有保质期的。这不是说英伟达当时在撒谎——那份备忘录在当时大概率是准确的。变的是业务结构本身：当客户拿不到投资级评级，而你又必须让它把货提走，担保就从"没有"变成了"唯一的办法"。

模板也不止英伟达在用。6 月初，Apollo 和 Blackstone 完成了一笔约 350 亿美元的私募信贷包，通过 SPV 买下谷歌的 TPU，再租给 Anthropic 用。谷歌为五个数据中心的租赁付款提供担保，博通在谷歌的背书之上再加一层残值担保。谷歌在这笔交易里同时是芯片供应商和付款担保人。

Coherence Credit Strategies 的首席投资官 Sal Naro 把这套东西叫"金融炼金术"。

二〇〇〇年的镜子

把英伟达和朗讯放在一起看的，不是我。是钱尼斯（Jim Chanos）——当年做空安然的那个人。他的说法很直接：英伟达在"把钱投进亏钱的公司，好让这些公司来订它的芯片"。

朗讯的真实数字值得看清楚。按其 FY2000 的 10-K，公司与客户签订的信贷及贷款担保协议上限是 81 亿美元，其中约 21 亿已经动用。北电的口径是承诺 31 亿、未偿 14 亿。

危险的地方在会计。供应商贷款让厂商在发货那一刻就确认设备收入，而对应的风险以应收款的形式留在自己表上——收入是当期的，风险是后来的。

然后是清算。朗讯 2001 年一年计提的客户坏账准备是 22 亿美元，2002 年再计 13 亿。一年的坏账准备，超过了它全部未偿的客户融资余额。 北电 2001 年计提近 14 亿，几乎等于它未偿的全部。同期，47 家 CLEC 破产。

这个镜子有一处照不上，必须说清楚。

当年的 CLEC 大多没有真实收入，商业模式本身就是一张 PPT。今天不是。OpenAI 到 2026 年中的年化收入约 250 亿美元，还在增长。英伟达 FY2026 收入 2159 亿美元，GAAP 毛利率 71.1%，最新一季升到 74.9%——朗讯当年做梦也没有这样的报表。数据中心那一头，在建容量约九成已经预承诺，空置率降到 1% 出头，接近历史最低。

所以把今天说成"又一个 2000 年"是偷懒。需求是真的。问题不在需求存不存在，在于用什么期限、什么结构、由谁承担第一笔损失。

供应商给客户背书，是一门老生意

这套"供应商替买家的资产负债表背书，好把货卖出去"的做法，不是英伟达发明的，也不是朗讯发明的。

十九世纪的美国铁路就是这么修起来的。到 1853 年，约四分之一的美国铁路债券由外国人持有，大部分是英国人。铁轨的另一头也一样——威尔士和克利夫兰的铁厂，像 Dowlais、Bolckow Vaughan，一边供铁轨，一边在早些年有时以铁路的票据抵付货款，把自己的资产负债表押在客户的扩张上。铁路是真需求，运量一直在涨。可融资方还是被反复清零：1873 年 Jay Cooke 因为给 Northern Pacific 融资而倒闭，拖出一场全球萧条；1893 到 1897 年，拥有约三分之一里程的铁路公司破产，随后的重组稀释掉大批原始英国债券持有人。铁路留下来了，出钱的人换了一批。

再往后是电力。1905 年，通用电气办了一家叫 Electric Bond and Share（EBASCO）的公司，专做一件事：地方电力公司买不起 GE 的发电机和汽轮机，GE 就接受它们自己发行的证券抵账，再由 EBASCO 持有、打理。vendor financing 造出了买 GE 设备的需求。这家融资侧车后来长成全美最大的公用事业控股公司，一度控制约 15% 的全国发电量。1929 到 1932 年，叠在电网上的控股金字塔崩了，顶层股本几乎清零；底下的运营电厂照常发电。1935 年国会通过《公用事业控股公司法》，用了二十多年把这些金字塔一层层拆掉。电网留下来了，金字塔顶上的股东没有。

同一个形状，隔一百年出现一次：真实的资产，加上叠在它上面的循环融资。资产往往活下来，为它的泡沫融资的人往往活不下来。

最被低估的一条：评级触发

7 月 9 日，标普把甲骨文下调到 BBB-，比垃圾级只高一档。市场当时讨论的是利差会走多宽。

真正的账单在两周后才浮出来。

甲骨文在威斯康星 Port Washington 有一个 150 亿美元、近 1 吉瓦的数据中心，是它与 OpenAI 那份 3000 亿美元算力协议的一部分。当地电力公司 We Energies 针对超大用户的电价条款里写着一条：标普评级低于 A-，就必须为电网新建的电厂和输电线提供抵押品。

这一降，直接触发了逾 70 亿美元的抵押品要求。据《金融时报》报道，光是维持这张担保函，每年成本就可能超过 1 亿美元。威斯康星公共服务委员会拒绝放松这条规则。

评级下调第一次不是通过利差、而是直接通过现金流生效了。

这套机制，巴菲特在 2002 年的致股东信里已经完整描述过一遍。那封信讲的是衍生品，但机制一模一样：

"This pile-on effect occurs because many derivatives contracts require that a company suffering a credit downgrade immediately supply collateral to counterparties… The need to meet this demand can then throw the company into a liquidity crisis that may, in some cases, trigger still more downgrades. It all becomes a spiral that can lead to a corporate meltdown."—— Warren Buffett, Berkshire Hathaway Shareholder Letter (2002)

降级 → 追加抵押品 → 流动性危机 → 再降级。安然 2001 年 11 月 28 日评级跌破投资级，触发的正是这个循环：债务提前到期条款集体生效，交易对手同时要求现金抵押。AIG 2008 年的那笔要命的追加，也是同一台机器。

他在同一封信里给出的应对，是一条比"少借钱"更严格的纪律：

"A requirement to collateralize things means that you are putting yourself in a position where you may have to come up with some cash tomorrow morning, and we're never going to do that on any significant scale, because we don't know what tomorrow morning will bring."—— Warren Buffett, Berkshire Hathaway Annual Meeting

不是"控制杠杆率"，是"不接受任何可能让我明天早上必须掏现金的条款"。这两件事差得很远。

rating trigger、抵押品追加、加速偿付这类条款，广泛存在于电力购售协议、租赁合同和担保安排里，却没有一个集中的披露口径。你在损益表和资产负债表上都看不到它。它藏在合同里，只在评级越过某条线的那一刻醒过来。

甲骨文现在有约 1170 亿美元的债券在美国投资级指数里。它再降一档，就不只是它自己的事了。

价格已经在动

Meta 在德州 El Paso 有一个近 1 吉瓦的数据中心，由 BlackRock 牵头募集至少 120 亿美元债券。BlackRock 的基建和私募信贷部门持股 80%，Meta 持 20% 并拿走算力使用权——负债不进 Meta 的报表。投资者对这笔债要的收益率在 7% 以上，比 Meta 九个月前那笔 270 亿美元的 Hyperion 融资高了约 0.4 个百分点。

Sona Asset Management 的首席投资官 John Aylward 说，这笔债务的定价"与目前 B- 级债券的交易水平一致"。

B- 是深度高收益。给一家手握千亿现金、评级远在投资级之上的公司做数据中心，市场要的是 B- 的价钱。

这种结构不是个案。按 FactSet 的统计，五大超大规模厂商合计的表外租赁相关承诺已经接近 8200 亿美元，其中甲骨文的租赁义务期限长达 15 到 19 年，总额接近它 FY27 资本开支指引的三倍。同时，这些公司的资本开支已经占到经营现金流（扣除分红和回购后）的 94%。已经有机构在研究把多个 SPV 的贷款打包成资产支持证券，卖给养老金和资产管理人。

链条是：科技公司 → SPV → 私募信贷发起方 → 证券化载体 → 养老金和保险资金。

这个形状，比起 2000 年的电信，更像 2008 年的 SIV 和 ABCP 导管——把信用风险从有评级、被监管的主体，搬到不透明、缺乏定价发现的角落里。巴菲特在同一封 2002 年的信里，把这类结构叫"菊链风险"（daisy-chain risk），并且留下了一句我认为今天最该被重读的话：

"History teaches us that a crisis often causes problems to correlate in a manner undreamed of in more tranquil times."—— Warren Buffett, Berkshire Hathaway Shareholder Letter (2002)

英伟达担保 OpenAI，谷歌担保 Anthropic，博通担保残值，私募信贷再把这些打包卖给养老金。平静时期，这些看起来是彼此独立的分散敞口。

把整条链合并起来看

分开看，每一家都有自己的信用和资产负债表：英伟达毛利 71%、报表干净；云厂商 capex 巨大，用经营现金流顶着；neocloud 债台高筑；模型公司在烧钱。但它们在互相交易——英伟达把卡卖给云厂商，云厂商建数据中心，模型公司回头租算力。把这条链当成一家公司来合并，这些内部交易就该像左手卖给右手一样抵消掉。

抵消完，只剩两个数：整条链累计投进去的资本，和最终由外部客户真正付费的 AI 收入。

先算投进去的资本。把它当成一家公司的建设账，列一张 Sources and Uses——为造这套基础设施花的每一笔钱都算进来（数据中心、芯片、人力研发、专为 AI 借的债，跟这套资产无关的一般公司债不算），投出去的和筹进来的必须相等。配平之后，两边都是大约 1.28 万亿美元。

Uses（投向）两块：物理资产（数据中心加芯片的资本开支）约 1.08 万亿；人力和研发约 2000 亿——模型公司和云厂商砸进去的工程师薪酬与研发，除掉租算力那部分（属链条内部、已算进 capex）。（另有一大块以股票发放的薪酬，是真实成本但不掏现金，进回报测算、不进现金表。）

Sources（出资）四块：内部现金约 6300 亿——五大云非 AI 业务（广告、零售、Office）赚的钱，拿来贴补 AI 建设；全部 AI 相关债务约 4500 亿；外部私募股权约 1800 亿（OpenAI、Anthropic、xAI 为主）；公开市场股权约 200 亿。加起来 1.28 万亿，和 Uses 对得上。

这里有个常被误解的地方值得点一句：这些公司光主营业务每年赚的现金，就够盖住全部资本开支，还能剩下钱回购三千亿、分红一千亿——"一边猛建、一边回购"并不矛盾。真正要靠借钱是 2026 年，capex 涨到主营现金盖不住了，债务才顶上。

有两处必须挑出来，否则会重复计数。一是循环：英伟达投给 OpenAI 的钱、OpenAI 拿去买卡、租微软算力——这类首尾相接的资金约 2500 亿，合并层面全额抵消；外部私募股权只算一次（作出资来源），它下游买算力那部分属链条内部、已在 capex 里，不再重复。二是收入：OpenAI、谷歌自己的 AI 收入会不会既算"来源"又算"回报"？不会。对外最终 AI 收入（一年约 1200 亿）只放在回报那段当分子，不进出资表；建设靠的内部现金是五大云非 AI 业务的钱，跟 AI 收入是两笔。至于 AI 原生公司，它们有收入但花得更多，净的内部现金再投入几乎是零，全靠外部股权撑着。

债这一层要单独盯：它占了出资的三分之一强，而且是增长最快、最脆弱的一块。CoreWeave 一家就背着约 250 亿的债，对着 51 亿的收入；另外还有约 8200 亿的表外租赁承诺没进这张表——那不是已经借的钱，是签了字的未来租金，真到期了照样要还。

分子那头小得多，但没想象的那么小。真正离开链条、由外部客户付费的 AI 收入，几大块加起来——OpenAI 约 280 亿，Anthropic 已经报到约 470 亿的年化（半年翻了几倍，是全场最大的问号，我按保守的 450 亿算），微软的 Copilot 加 Azure AI 去掉与 OpenAI 重叠的约 200 亿，谷歌的 Gemini 加云上 AI 约 180 亿，再加 xAI 和应用层扣掉转售重复——一年大约 1200 亿美元。往窄了算九百亿，往宽了算一千六。

1200 亿对物理投入的 1.08 万亿，大约 9 比 1（把两千亿人力沉没成本也算上，约 10 比 1）。合并起来的 ROIC 仍是负的。下面算回报门槛，我用物理资产的 1.08 万亿作分母、人力当运营成本，已经是偏保守的口径。

要到什么程度才算 make sense，有一个绕不过去的地方：这套资本不是赚个利差就行，因为 GPU 三到五年就得换一批。每年的对外收入，得先覆盖折旧，再覆盖电力和运维，才轮到出资人的回报。按这个门槛，就算最乐观——GPU 按七年折、资金成本压到最低——每年也需要约 3400 亿的对外 AI 收入；中性假设要 5000 亿；悲观要 8200 亿。对着今天的 1200 亿，缺口是 3 到 7 倍。

这些数字是量级，不是精算——归因、存量、对外收入各项都带估计，我已经尽量往保守取。但方向经得起推敲：合并起来看，这条链今天赚的钱，离它自己要赚回的钱，还差三到七倍。换个说法，要在 2030 年前把已经承诺的资本填平，对外 AI 收入得从今天起每年复合增长四到六成、连涨四年。这个增速本身，就是要被验证的那个命题。

再往前看两年，情况不会自己好转。capex 不会停，投入资本从今天的 1.08 万亿，按各家指引和摩根士丹利的轨迹，到 2028 年大概到 2.5 万亿，门槛跟着抬高。就算对外收入每年复合 45% 到 60%，到 2028 年也就两三千亿，离门槛越拉越远——三个情景里，合并 ROIC 没有一个转正。分母一直在被 capex 做大，缺口就不会因为多花两年自己合上；它只在收入增速超过 capex 增速的那天才开始收窄，而这天还没到。

这套算法主要是美国的链条。换到中国，规模和结构都不一样：中国这轮 AI 投入 2023 到 2026 年大约 3000 亿美元，约是美国的四分之一到三分之一，而且几乎没有美国那套私募信贷加表外 SPV 的债务机器——阿里、腾讯、字节用自己的现金流建，上面叠一层国家和地方国资，模型公司靠 BAT 战投和 IPO 股权撑着。同一场竞赛，一边是华尔街的杠杆，一边是国资加内部现金：金融脆弱性更低，但绝对弹药更少，还卡在芯片上。

也说另一面

先说最有力的一个反驳。就这几天，摩根士丹利出了一份报告，把同一批资产的资本回报算成了正的，而且不低：25% 到 50%。账，也能算得过来。

差别在于问的问题不一样。大摩算的是一台已经建好、跑满的数据中心：把一座 1 吉瓦、约 41 万张 GB300 的机器当成一个单元，假设利用率 75%，看它一年挣多少、对应投进这一台的约 500 亿美元回报几何。它拆了三种生意：纯出租 GPU，年收入约 230 亿、扣掉约 80 亿的电力运维和折旧，回报约 31%；用自有算力跑模型 API，收入更高，约 46%；租别人的算力来跑，约 25%。分子是这一台机器的服务毛利——租金或 token 收入减本机成本；分母只算这一台正在挣钱的机器，不含闲置、不含在建。它能算出正数，靠的正是这个口径：单机、稳态、满负荷。

前面那个负的合并回报，问的是另一个问题：当下整个行业，一万多亿已经投下去、大部分还在建还没开始挣钱的资本，对着今天真正到手的约 1200 亿对外收入，回报是多少。

一个算终点——机器填满之后一台能挣多少；一个算途中——钱投了一大半、收入还没跟上，此刻账面什么样。两个都对，因为分子、分母、时间口径都不一样。

大摩这套要成立，有几个前提，每个都有风险：利用率得真维持在 75%，需求得填满 2028 年预计的四倍算力；token 价格得守住——大摩自己的测算里，token 价从每百万 1.75 美元跌到 1 美元，第三种算法就翻负到 −9%；折旧不能加速，可它隐含 GPU 能用七八年，而亚马逊和 Meta 都在缩短服务器寿命；在建的还得先跑满，别被下一波 capex 又盖过去。

历史上也是这个分野。一条成熟铁路、一个满载的电厂，单位经济都算得过来；亏的是建设期的整体投入，和峰值买入的股东——成熟单机为正、建设期整体为负，两者并存。不可比的还是那口钟：铁路和电厂有几十年让利用率爬满、让收入追上，GPU 只有三五年。大摩描述的是终点的风景，前面那张负回报的图，是半路的照片。终点能不能到，就看这几个前提守不守得住。

无独有偶。SemiAnalysis 最近一篇万字长文，把 Anthropic 的账算得更漂亮。它的混合毛利率，从 2024 年的 −94% 一路翻到今天的六成多，API 那块超过八成，已经接近一家 SaaS 公司；收入也在陡涨，年化 ARR 从 2025 年底的九十亿冲到今年三季度的六百多亿。照它的模型往前推，2027 年 ARR 能到三千亿，按 20 倍市销率，估值六万亿——超过英伟达，名义上成全球最贵的公司。

这份乐观也值得认真看，但要看清它量的是哪一段。那六成多的毛利，分母里只算了"把模型跑起来回答问题"的推理算力，把训练和研发（约占收入六成）整个排在了外面——SemiAnalysis 甚至为此专门造了个指标，叫"扣掉训练之前的利润"，二季度是 36%。它算的是模型层的服务毛利，不是这家公司刨掉造模型的钱之后还剩多少。它自己的模型也承认：Anthropic 到 2027 年那约一千六百亿的毛利，几乎全要砸回训练和算力，不是能揣进兜里的现金。何况 Anthropic 的算力是租来的，这层漂亮毛利，叠在本身回报为负的云和芯片资本之上。

公平地说，SemiAnalysis 也给了一个更接近全公司口径的数：它预测 Anthropic 今年三季度能做出约十亿美元的经营利润，这个数是含训练和研发的。要是成真，Anthropic 作为一家应用层公司，确实接近盈亏平衡。但这仍是预测不是实绩，算上算力承诺后现金还是负的，而且它只是整条链的一层，租在下面那层回报为负的基础设施上。

所以这又是一台"跑满的机器"，只不过挪到了模型层：单看一层算得过来，不等于整条链算得过来。六万亿要成立，得让年化收入两年翻五倍、token 价不塌、利用率维持、模型持续领先，还得有人肯按 20 倍前瞻市销率买单。

摩根士丹利另一份测算预计，2026 年全球 AI 相关债券发行接近 5700 亿美元；美银 7 月的基金经理调查里，48% 的人把大规模 AI 资本开支列为最可能引发系统性信用事件的来源。

同一份调查里还有另一个数字：61% 的人预计 2026 年的 AI 资本开支不会削减。

这不是矛盾，是这轮行情的真实结构——多数专业投资者既认为它有系统性风险，又认为它不会停。看多的一方并非没有依据：需求被合同锁定，出钱的公司自己在赚大钱，Alphabet 手上现金和有价证券约 2400 亿，它不是甲骨文。

82 个基点的绝对水平也仍然很低，英伟达的资产负债表在大型科技公司里依然是最干净的之一。信号在变化率上，不在水平上。

每个人都算对了自己那台机器

大摩把一台数据中心算成正的，SemiAnalysis 把 Anthropic 的一层服务毛利算成正的，可前面那个合并起来的回报是负的——这几件事指向同一个更老的问题。

每个入场的玩家看到的都是单位经济：一台数据中心跑满能挣钱，于是投；对手看到同样的账，也投；再一家，还投。每个决定单独看都理性。可所有人一起压下去，产能一拥而上，回报就未必还在——单机算得过来，整体未必。

这不是新现象。巴菲特 1985 年关掉伯克希尔的纺织业务时，把它讲得再清楚不过：

"Viewed individually, each company's capital investment decision appeared cost-effective and rational; viewed collectively, the decisions neutralized each other and were irrational (just as happens when each person watching a parade decides he can see a little better if he stands on tiptoes)."—— Warren Buffett, Berkshire Hathaway Shareholder Letter (1985)

单独看，每家公司的资本投资都划算、都理性；合起来看，这些决定互相抵消，反而不理性——就像看游行，一个人踮起脚能看清一点，结果所有人都踮起脚，谁也没看得更清楚，只是腿都酸了。

铁路、电网、光纤，每一轮都是这个形状：单位经济诱人，资本涌入，产能压上来，整体回报落空。当年每一条铁路的招股书都算得过来，每一个电厂的单位成本都在降，每一段光纤按当时的带宽价格铺下去都划算。踮脚的是每一个理性的个体，腿酸的是整个行业。

大摩和本文并不真的对立。大摩算的是踮脚那一下能不能看清——一台机器、跑满、稳态，能。本文算的是全场都踮起脚之后整体还看不看得见——含着一大半还没跑起来的在建产能，此刻看不见。价值投资里有个老名字形容这条规律：资本周期——高回报招来资本，资本堆出产能，产能又把回报打下去。踮脚看游行，是它最好记的样子。

九十二年没变的那一课

1934 年，格雷厄姆和多德在哥伦比亚商学院写出《证券分析》。这本书被当作价值投资的起点，但很多人没注意到：书里固定收益分析排在普通股分析前面，篇幅也更重。

安全边际这个概念，最早不是从市盈率里长出来的，是从债券契约、偿付顺序、利息保障倍数里长出来的。格雷厄姆的顺序是先问"拿什么还"，再问"能赚多少"。

九十二年过去，这个顺序在牛市里会被忘掉，在信用市场出问题的时候被重新想起来。"看 CDS，不看 EPS"不是新方法论，是回到第一页。

价值投资的当代旗手也并没有回避 AI。伯克希尔 2026 年一季报上的现金加短期美国国债是 3974 亿美元，历史最高；据公开披露，Greg Abel 今年 1 月接任 CEO 之后，把其中相当一部分投进了 Alphabet。他买的是有广告现金流、能自己发债的那一端，不是需要别人担保才能开工的那一端。同一个行业，站在链条的不同位置，是完全不同的两笔生意。

我只是基于公开的合同条款和债券定价读出一点体感，不敢说能判断这轮建设的终局。1840 年代英国的铁路狂热留下了八千多英里路轨，也留下了 1850 年 1.83% 的平均股息——投资人当初盼的是 10%，铁路股指数从峰值跌了六成以上。九十年代铺下的光纤，泡沫破了以后八成五到九成五处于闲置，后来成了整个互联网的底座，但当年的股东没等到。

把这套投入放进历史里，会安静一些。按今天的美元折算，这几轮大建设的规模是这样的：

时期总投入（名义 → 今天美元）年收入（名义 → 今天美元）投入:收入美国铁路 1890s~100–120 亿 → ~3800–4500 亿~10–15 亿 → ~400–550 亿~9–10:1美国电气化 1930~120–170 亿 → ~2300–3200 亿~18–23 亿 → ~350–440 亿~6–8:1电信/光纤 1996–2002~5000 亿–1 万亿 → ~0.9–1.9 万亿极小（光纤约九成闲置）未兑现AI 数据中心 今天~1.08 万亿（现值）~1200 亿~9:1

（单位美元；通胀按美国 CPI 折算至 2025 年；历史数据来自 US Census Historical Statistics、ICC、里士满联储。历史投入多以证券票面计、含注水，AI 为现金资本开支。）

按今天的美元算，AI 这一轮的投入已经超过铁路和电气化，逼近当年电信泡沫的量级。九比一的倍数偏高，但没跳出这个区间——铁路和电网最后都把收入等来了，只是等了二三十年，而 GPU 只有三五年。AI 想要的，是光纤那样的时间表，加上铁路那样的结局。

数据中心大概率也会留下来。留下来的是资产，股东是不是同一批人，历史上从来没有保证过。

债市不问这一次有什么不同。它只问，你拿什么还。